python-opencv学习记录--直方图

直方图

import cv2 		#opencv读取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt 	#Matplotlib是RGB

def cv_show(img,name):
   	cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()

直方图理论

cv2.calcHist(images,channels,mask,histSize,ranges)

• images：原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img]
• channels：同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]
  如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR
• mask:：掩模图像。统整幅图像的直方图就把它为 None。但是如 果你想统图像某一分的直方图的你就制作一个掩模图像并 使用它。
• histSize：BIN 的数目。也应用中括号括来
• ranges:：像素值范围常为 [0~256]

代码案例

原图

img = cv2.imread('cat.jpg',0) #0表示灰度图
hist = cv2.calcHist([img],[0],None,[256],[0,256])
print(hist.shape)
#(256,1)

plt.hist(img.ravel(),256)
plt.show()

img = cv2.imread('cat.jpg') 
color = ('b','g','r')
for i,col in enumerate(color):
    histr = cv2.calcHist([img],[i],None,[256],[0,256])
    #print(i)
    plt.plot(histr,color = col)
    plt.xlim([0,256])
    plt.show()

mask操作

mask图形

# 创建mast
mask = np.zeros(img.shape[:2], np.uint8)
print (mask.shape)
mask[100:300, 100:400] = 255

带有掩模后的图像

img = cv2.imread('cat.jpg',0) 
masked_img = cv2.bitwise_and(img, img, mask=mask)   #与操作
cv_show(masked_img,'masked_img')

带有掩模与不带有掩模图像的直方图统计

hist_full = cv2.calcHist([img], [0], None, [256], [0, 256])
hist_mask = cv2.calcHist([img], [0], mask, [256], [0, 256])

plt.plot(hist_full)
plt.plot(hist_mask)
plt.xlim([0,256])
plt.show()

直方图均衡化

猫图片的直方图均衡化

equ = cv2.equalizeHist(img)
plt.hist(equ.ravel(),256)
plt.show()

图片均衡化前后对比

res = np.hstack((img,equ))
cv_show(res,'res')

自适应直方图均衡化

img = cv2.imread('clahe.jpg',0) 
equ = cv2.equalizeHist(img)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8)) 
res_clahe = clahe.apply(img)
res = np.hstack((img,equ,res_clahe))
cv_show(res,'res')

效果比对